Python 使用TfidfVectorizer的自然语言处理
我正在读取文件train1.txt中的字符串。但是当尝试执行语句tfidf.fit(dataset)时,它会导致错误。我无法完全修复错误。正在寻求帮助 错误日志:Python 使用TfidfVectorizer的自然语言处理,python,scikit-learn,nlp,tfidfvectorizer,natural-language-processing,Python,Scikit Learn,Nlp,Tfidfvectorizer,Natural Language Processing,我正在读取文件train1.txt中的字符串。但是当尝试执行语句tfidf.fit(dataset)时,它会导致错误。我无法完全修复错误。正在寻求帮助 错误日志: from sklearn.feature_extraction.text import TfidfVectorizer filename='train1.txt' dataset=[] with open(filename) as f: for line in f: dataset.append([str(n)
from sklearn.feature_extraction.text import TfidfVectorizer
filename='train1.txt'
dataset=[]
with open(filename) as f:
for line in f:
dataset.append([str(n) for n in line.strip().split(',')])
print (dataset)
tfidf=TfidfVectorizer()
tfidf.fit(dataset)
dict1=tfidf.vocabulary_
print 'Using tfidfVectorizer'
for key in dict1.keys():
print key+" "+ str(dict1[key])
回溯(最近一次呼叫最后一次):
文件“Q1.py”,第52行,在
tfidf.fit(数据集)
文件“/opt/anaconda2/lib/python2.7/site packages/sklearn/feature_extraction/text.py”,第1361行,以适合的形式
X=super(TfidfVectorizer,self).fit\u转换(原始文档)
文件“/opt/anaconda2/lib/python2.7/site packages/sklearn/feature\u extraction/text.py”,第869行,在fit\u transform中
自我修复(词汇)
文件“/opt/anaconda2/lib/python2.7/site packages/sklearn/feature\u extraction/text.py”,第792行,在
对于分析中的功能(文档):
文件“/opt/anaconda2/lib/python2.7/site packages/sklearn/feature_extraction/text.py”,第266行,在
标记化(预处理(自解码(doc))、停止字)
文件“/opt/anaconda2/lib/python2.7/site packages/sklearn/feature_extraction/text.py”,第232行,在
返回lambda x:strip_重音(x.lower())
AttributeError:“list”对象没有属性“lower”
根据for TfidfVectorizer,fit函数期望“生成str、unicode或文件对象的iterable”作为其第一个参数。您提供的是一个列表列表,它不满足此要求
您已经使用split
方法将每一行转换为字符串列表,因此您要么需要重新加入字符串,要么完全避免拆分它。当然,这取决于您的输入格式
如果修改行,它应该可以工作
Traceback (most recent call last):
File "Q1.py", line 52, in <module>
tfidf.fit(dataset)
File "/opt/anaconda2/lib/python2.7/site-packages/sklearn/feature_extraction/text.py", line 1361, in fit
X = super(TfidfVectorizer, self).fit_transform(raw_documents)
File "/opt/anaconda2/lib/python2.7/site-packages/sklearn/feature_extraction/text.py", line 869, in fit_transform
self.fixed_vocabulary_)
File "/opt/anaconda2/lib/python2.7/site-packages/sklearn/feature_extraction/text.py", line 792, in _count_vocab
for feature in analyze(doc):
File "/opt/anaconda2/lib/python2.7/site-packages/sklearn/feature_extraction/text.py", line 266, in <lambda>
tokenize(preprocess(self.decode(doc))), stop_words)
File "/opt/anaconda2/lib/python2.7/site-packages/sklearn/feature_extraction/text.py", line 232, in <lambda>
return lambda x: strip_accents(x.lower())
AttributeError: 'list' object has no attribute 'lower'
根据您的输入格式,您可能需要将其替换为以下内容
dataset.append([str(n) for n in line.strip().split(',')])
或者干脆
dataset.append(" ".join([str(n) for n in line.strip().split(',')]))
(我只能猜测输入文本中“,”的用法)。请发布错误日志
dataset.append(line.strip().replace(",", " "))